青花菜採摘系統之影像辨識模型建置-以Solomon AccuPick 3D為例 - 農業知識入口網

       本研究使用Solomon AccuPick 3D 機器視覺軟體建置青花菜成熟度辨識模型，演算法以Mark R-CNN 作為訓練基底，以不同圖資數量(600 張、300 張、150 張)及不同訓練方式(一般訓練、資料擴增)建置6 種模型，使用模型評估指標比較模型間之差異。試驗結果顯示，6 種模型具有相近的辨識表現，其中600 張圖資訓練之模型皆有較高的召回率(0.81)，可正確辨識青花菜不同成熟度的數量較多，惟精確率相對較低，於0.81-0.83 之間；150 張圖資訓練之模型有較低的召回率(0.69-0.71)，但精準率相對較高，於0.89-0.91 之間。經綜合評估該軟體在一般訓練和資料擴增兩者間之模型表現上並無顯著差異，以Model A(600/一般)
之mAP = 0.77 和Model A+(600/擴增)之mAP = 0.76 兩種模型有較佳的影像辨識結果，青花菜成熟度辨識模型將搭載至青花菜採摘機構，以實現自動選擇青花菜之採摘作業。